बड़ा डेटा और गोपनीयता: गोपनीयता जोखिम क्या हैं? | VPNOverview

पिछले कुछ दशकों में, दुनिया कई मामलों में बहुत बदल गई है, खासकर जब यह आईटी की बात आती है। जिन लोगों से हम दैनिक आधार पर संवाद करने में सक्षम हैं, उनकी संख्या काफी हद तक बढ़ गई है, ठीक उसी तरह जैसे कि हमारे पास जितनी जानकारी है। हालाँकि, हमारे बारे में एकत्रित बड़ी कंपनियों की जानकारी के लिए भी यही सच है। बड़े डेटा जैसे शब्दों का उपयोग समय के साथ-साथ सभी बार-बार किया जाता है। लेकिन इसका क्या मतलब है, बिल्कुल? बड़ा डेटा क्या है? यह खतरनाक है? यह हमारी गोपनीयता को कैसे प्रभावित करता है, यदि यह बिल्कुल है? वे कुछ प्रश्न हैं जिन्हें हम इस लेख में शामिल करेंगे.


बड़ा डेटा क्या है?

आवर्धक कांच के साथ सूचीशब्द “बिग डेटा” (व्यक्तिगत) डेटा की भारी मात्रा का वर्णन करता है जो लगातार विभिन्न अभिनेताओं द्वारा एकत्र किए जा रहे हैं। एक उदाहरण वह सभी जानकारी होगी जो Google अपने उपयोगकर्ताओं की खोज क्वेरी के बारे में इकट्ठा करता है। बड़े डेटा की घटना एक अपेक्षाकृत हाल ही में विकसित हुई है, जो कि (बड़ी) कंपनियों और संगठनों, जैसे कि फेसबुक, Google और अधिकांश सरकारों ने शुरू की, अपने उपयोगकर्ताओं, ग्राहकों और नागरिकों के बारे में पहले से कहीं अधिक डेटा इकट्ठा करना शुरू कर दिया। नई प्रौद्योगिकियों, एक डिजीटल दुनिया और इंटरनेट ने इस विकास को बहुत सहायता प्रदान की है.

बड़े डेटा के संग्रह अक्सर इतने विशाल होते हैं कि पारंपरिक डेटा विश्लेषण का उपयोग करके उनका विश्लेषण करना असंभव है। हालांकि, यदि कोई बड़े डेटा का सही तरीके से विश्लेषण करता है, तो दिलचस्प पैटर्न और निष्कर्ष को प्रेरित किया जा सकता है। उदाहरण के लिए, बड़े डेटा का उपयोग अक्सर बड़े पैमाने पर बाजार अनुसंधान के लिए किया जाता है: कौन से उत्पाद सबसे अधिक खरीदे जाने की संभावना है? जब आप ग्राहकों तक पहुंचना और उन्हें राजी करना चाहते हैं तो किस तरह का विज्ञापन सबसे प्रभावी होता है?

डेटासेट को बड़ा डेटा माना जाने के लिए, इसे आम तौर पर निम्नलिखित तीन मानदंडों को पूरा करना चाहिए, जिसे डेटासेट भी कहा जाता है 3 वी:

  • मात्रा: बड़ा डेटा कुछ भी है लेकिन एक छोटा नमूना है। इसमें डेटा का विशाल संग्रह शामिल है, जो लंबे, निरंतर अवलोकन से उत्पन्न होता है.
  • वेग: यह प्रभावशाली गति के साथ करना है जिस पर बड़ा डेटा एकत्र किया जाता है। इसके अलावा, बड़ा डेटा अक्सर वास्तविक समय में सुलभ होता है (जैसा कि इसे इकट्ठा किया जा रहा है).
  • विविधता: बड़े डेटासेट में अक्सर कई अलग-अलग प्रकार की जानकारी होती है। बड़े डेटा-सेट के भीतर डेटा को किसी भी अंतराल को भरने और डेटासेट को और अधिक पूर्ण बनाने के लिए जोड़ा जा सकता है.

इन 3 v के अलावा, बड़े डेटा में कुछ अन्य विशेषताएं हैं। उदाहरण के लिए, बड़ा डेटा मशीन सीखने के लिए बहुत अच्छा है। इसका मतलब यह है कि इसका उपयोग कंप्यूटर और मशीनों को कुछ कार्यों को सिखाने के लिए प्रभावी रूप से किया जा सकता है। इसके अलावा, जैसा कि हमने पहले ही संक्षेप में बता दिया है, बड़े डेटा का उपयोग पैटर्न का पता लगाने के लिए किया जा सकता है। यह ज्यादातर डेटा पर काम करने वाले कंप्यूटर के माध्यम से बहुत प्रभावी तरीके से होता है। अंत में, बड़ा डेटा उपयोगकर्ताओं के डिजिटल फिंगरप्रिंट का प्रतिबिंब है। इसका मतलब है कि यह लोगों की डिजिटल और ऑनलाइन गतिविधियों का उप-उत्पाद है और इसका उपयोग व्यक्तिगत व्यक्तिगत प्रोफाइल बनाने के लिए किया जा सकता है.

विभिन्न प्रकार के बड़े डेटा

बड़े डेटा को वर्गीकृत करने के विभिन्न तरीके हैं। पहला तरीका, जिसे सबसे अधिक बार उपयोग किया जाता है, उस तरह के डेटा के आधार पर बड़े डेटा को अलग करता है जिसे एकत्र किया जा रहा है। इस प्रकार के वर्गीकरण के लिए उपयोग की जाने वाली तीन संभावित श्रेणियां हैं: संरचित बड़ा डेटा, असंरचित बड़ा डेटा और अर्ध संरचित बड़ा डेटा.

  1. स्ट्रक्चर्ड: जब बड़े डेटा को संरचित किया जाता है, तो इसे व्यवस्थित और तार्किक तरीके से सहेजा और प्रस्तुत किया जा सकता है, जिससे डेटा अधिक सुलभ और समझने में आसान हो जाता है। एक उदाहरण एक कंपनी द्वारा बनाए गए ग्राहक पते की एक सूची होगी। इस सूची में, किसी को ग्राहकों के नाम, पते और शायद अन्य विवरण जैसे कि फोन नंबर, सभी संरचित स्पष्ट रूप से मिलेंगे, उदाहरण के लिए, एक चार्ट या तालिका।.
  2. असंरचित: असंरचित बड़ा डेटा बिल्कुल भी व्यवस्थित नहीं है। इसमें एक तार्किक प्रस्तुति का अभाव है जो औसत मानव के लिए समझ में आता है। उदाहरण के लिए असंरचित बड़े डेटा की संरचना नहीं है, एक तालिका जो डेटा सेट के विभिन्न तत्वों के बीच एक निश्चित सुसंगतता को दर्शाती है। इसलिए इस प्रकार का डेटा नेविगेट करने और समझने में काफी मुश्किल है। कई डेटासेट शुरू में असंरचित बड़े डेटा के रूप में शुरू होते हैं.
  3. अर्द्ध संरचित: अर्ध-संरचित बड़ा डेटा, जैसा कि आपने अनुमान लगाया है, संरचित और असंरचित दोनों बड़े डेटा की विशेषताएं हैं। इस प्रकार के डेटा की प्रकृति और प्रतिनिधित्व पूरी तरह से मनमाना नहीं है। फिर भी यह संरचित और व्यवस्थित नहीं है कि इसका उपयोग सार्थक विश्लेषण के लिए किया जाए। एक उदाहरण एक वेब पेज होगा जिसमें विशिष्ट मेटा डेटा टैग (अतिरिक्त जानकारी जो पाठ में प्रत्यक्ष रूप से दिखाई नहीं देती है), उदाहरण के लिए, क्योंकि इसमें कुछ कीवर्ड शामिल हैं। ये टैग सूचना के विशिष्ट बिट्स को प्रभावी ढंग से दिखाते हैं, जैसे कि किसी पृष्ठ का लेखक या वह क्षण जिसे ऑनलाइन रखा गया था। पाठ स्वयं अनिवार्य रूप से असंरचित है, फिर भी इसमें मौजूद कीवर्ड और अन्य मेटा डेटा इसे विश्लेषण के लिए कुछ हद तक उपयुक्त बनाने में मदद करते हैं.

बड़े डेटा के स्रोत के आधार पर वर्गीकरण

विभिन्न प्रकार के बड़े डेटा के बीच अंतर करने का एक और सामान्य तरीका डेटा के स्रोत को देखकर है। किसने या क्या जानकारी उत्पन्न की है? पिछले डिविज़न की तरह, इस वर्गीकरण पद्धति में भी 3 अलग-अलग श्रेणियां हैं.

  1. लोग: यह श्रेणी लोगों द्वारा उत्पन्न बड़े डेटा की चिंता करती है। उदाहरण पुस्तकों, चित्रों, वीडियो के साथ-साथ वेबसाइटों और सोशल मीडिया पर जानकारी और (व्यक्तिगत) डेटा जैसे कि फेसबुक, ट्विटर, इंस्टाग्राम और इतने पर होंगे।.
  2. प्रक्रिया पंजीकरण: इस श्रेणी में अधिक परंपरागत प्रकार के बड़े डेटा शामिल हैं, जो एक व्यवसाय में कुछ प्रक्रियाओं को बेहतर बनाने के लिए (बड़ी) कंपनियों द्वारा इकट्ठा और विश्लेषण किया जाता है.
  3. मशीनें: इस प्रकार के बड़े डेटा का परिणाम मशीनों में रखे जाने वाले सेंसर की बढ़ती संख्या से होता है। एक उदाहरण हीट सेंसर होगा जो अक्सर कंप्यूटर प्रोसेसर में बनाया जाता है। मशीनों द्वारा उत्पन्न डेटा अक्सर बहुत जटिल हो सकता है, लेकिन कम से कम इस प्रकार का बड़ा डेटा आमतौर पर अच्छी तरह से संरचित और पूर्ण होता है.

बड़े डेटा का क्या उपयोग किया जा सकता है?

फेसबुक का प्रतिक चिन्हअब तक की चर्चा में सब कुछ अभी भी कुछ सार लग सकता है। आइए चीजों को थोड़ा और ठोस बनाएं और बड़े डेटा के कुछ वास्तविक जीवन के अनुप्रयोगों पर चर्चा करें। आखिरकार, ऐसे कई, कई तरीके हैं जिनमें कंपनियां और संगठन बड़े डेटा का उपयोग करते हैं। दिमाग में आने वाली पहली चीजों में से एक बड़ी मात्रा में डेटा कंपनियां हमारे बारे में इकट्ठा करना है। फेसबुक अपने सभी उपयोगकर्ताओं पर डेटा एकत्र करता है और इसका विश्लेषण करके यह तय करता है कि आपको अपनी टाइमलाइन पर क्या दिखाना है। बेशक, यह आपकी व्यक्तिगत इच्छाओं और रुचियों को पूरा करने के लिए किया जाता है। फेसबुक को उम्मीद है कि इससे आपको अधिक समय तक उनकी वेबसाइट पर बने रहने में मदद मिलेगी। बदले में, अमेज़ॅन अपने ग्राहकों और उनके द्वारा खरीदे जाने वाले उत्पादों के बारे में जानकारी इकट्ठा करता है। इस तरह, अमेज़ॅन उन उत्पादों की सिफारिश कर सकता है, जिन्हें वे सोचते हैं कि आप इस तरह से अपनी रुचि बढ़ाएँगे और अपनी आय बढ़ाएँगे.

हालांकि, बड़े डेटा का उपयोग ऊपर वर्णित वाणिज्यिक रणनीतियों से पूरी तरह से अलग तरीकों से भी किया जाता है। उदाहरण के लिए, सार्वजनिक परिवहन कंपनियां इस बारे में डेटा एकत्र कर सकती हैं कि कुछ निश्चित मार्ग कितने व्यस्त हैं। बाद में, वे निर्णय लेने के लिए इस डेटा का विश्लेषण कर सकते हैं, उदाहरण के लिए, किन मार्गों पर अतिरिक्त बसों या ट्रेनों की आवश्यकता होती है। बड़े डेटा चिंताओं के प्रभावी उपयोग का एक और प्रसिद्ध मामला अंतरराष्ट्रीय वितरण विशाल यूपीएस। यूपीएस विशेष सॉफ्टवेयर का उपयोग करता है जिसे बड़े डेटा विश्लेषण के बाद विकसित किया गया था। यह सॉफ्टवेयर यूपीएस चालकों को बाएं हाथ के मोड़ से बचने में मदद करता है, जो कि महंगे हैं, सही मोड़ से अधिक बेकार और अधिक खतरनाक हैं। माना जाता है, इस प्रणाली ने पहले से ही ईंधन में यूपीएस लाखों गैलन बचाए हैं, सभी बड़े डेटा के लिए धन्यवाद.

बड़े डेटा एकत्र करने का एक और दिलचस्प उदाहरण डीएनए परीक्षण और वेबसाइट जैसे MyHeritage DNA हैं। यह वेबसाइट दावा करती है कि यह आपको सरल डीएनए परीक्षण के साथ “अपने जातीय मूल को उजागर करने और नए रिश्तेदारों को खोजने” में मदद कर सकती है। कहने की जरूरत नहीं है, इस प्रक्रिया में बहुत अधिक डेटा एकत्र करना और क्रॉस-रेफ़रिंग शामिल है, जिससे यह बड़े डेटा एकत्र करने और उपयोग में एक और प्रमुख खिलाड़ी बन जाता है। “पारंपरिक”, भौतिक डीएनए परीक्षणों में भी बड़ी मात्रा में बड़े डेटा शामिल होते हैं, क्योंकि इन परीक्षणों का संचालन करने वाली कंपनियों को कई, कई लोगों के बारे में बहुत बड़े डेटा सेट प्राप्त होंगे। बेशक, इन बड़ी डेटा एकत्रीकरण प्रक्रियाओं के साथ आने वाले संभावित जोखिमों से अवगत होना महत्वपूर्ण है। इस लेख के अगले भाग में इन जोखिमों पर प्रकाश डाला जाएगा.

बड़ा डेटा खतरनाक है?

जैसा कि ऊपर दिखाया गया है, बड़ा डेटा कई मामलों में अविश्वसनीय रूप से उपयोगी हो सकता है। यह हमें कई टन जानकारी प्रदान करता है जिसका उपयोग हम प्रक्रियाओं को कारगर बनाने और कंपनियों को अधिक कुशल और लाभदायक बनाने के लिए कर सकते हैं। हालाँकि, इसका मतलब यह नहीं है कि बड़ा डेटा इकट्ठा करना और उसका उपयोग करना पूरी तरह से जोखिम-रहित है। पांच महत्वपूर्ण जोखिम हैं जो बड़े डेटा के साथ आते हैं। हम यहां सभी पांचों के बारे में चर्चा करेंगे.

हैकर और चोर

हम जो कुछ भी ऑनलाइन करते हैं, उसमें एक अंतर्निहित जोखिम है कि हमारे व्यक्तिगत डेटा और हमारी इंटरनेट गतिविधियों की जानकारी चोरी हो सकती है। हर इंटरनेट यूजर को इसके लिए जागरूक होना होगा। पिछले कुछ वर्षों में डेटा लीक और चोरी की संख्या में भारी वृद्धि हुई है। डार्क वेब जैसी जगहों पर पासवर्ड और अन्य जानकारी वाले डेटा सेट बेचने वाले अपराधियों के बारे में अक्सर खबरें आती हैं। अक्सर, ये डेटा सेट आधिकारिक वेबसाइटों, कंपनियों और संगठनों से चुराए जाते हैं। ये डेटा सेट जितने बड़े होते हैं, चोरों के लिए उतना ही दिलचस्प हो जाता है कि वे उन्हें प्राप्त करने की कोशिश करें। यदि वे इन डेटा सेट पर अपना हाथ प्राप्त करते हैं, तो वे बहुत सारी समस्याएं पैदा कर सकते हैं। कहने की जरूरत नहीं है, यह आपकी गोपनीयता से बहुत समझौता कर सकता है.

एकांत

व्यक्तिगत डेटा एकत्र करने की प्रथा व्यापक होती जा रही है। हालाँकि, मौजूदा गोपनीयता नियम इस तकनीक के तीव्र विकास के साथ नहीं रह सकते हैं जो इस अभ्यास को संभव बनाता है। यह ग्रे क्षेत्रों और अनिश्चितताओं के लिए जगह छोड़ देता है जिन्हें कानून को देखकर हल नहीं किया जा सकता है। उत्पन्न होने वाली महत्वपूर्ण गोपनीयता चिंताओं में शामिल हैं: किस प्रकार के डेटा को एकत्र करने की अनुमति है? किसके बारे में? इस डेटा तक किसकी पहुंच होनी चाहिए?

बड़ी मात्रा में डेटा एकत्र करते समय, संभावना है कि संवेदनशील व्यक्तिगत जानकारी उन डेटासेट में शामिल है जो उच्च हैं। यह तब भी समस्याग्रस्त है, जब हैकर्स और चोर खेल में नहीं हैं। आखिरकार, गोपनीयता के प्रति संवेदनशील डेटा का दुरुपयोग किसी के भी इरादे से किया जा सकता है। इसमें (दुर्भावनापूर्ण) कंपनियां और संगठन शामिल हैं.

खराब डेटा-विश्लेषण

कई कंपनियां और संगठन बड़ा डेटा एकत्र करते हैं, क्योंकि वे इसे दिलचस्प विश्लेषण के लिए उपयोग कर सकते हैं। इससे वे जो कुछ भी शोध कर रहे हैं उन्हें महत्वपूर्ण नई जानकारी दे सकते हैं (जैसे, उदाहरण के लिए, उपभोक्ता की आदतें)। बदले में, ये अंतर्दृष्टि और निष्कर्ष उच्च अंतर और अधिक लाभ के परिणामस्वरूप कंपनी के परिवर्तन में अनुवाद कर सकते हैं। हालांकि, किसी भी अन्य सामान्य डेटासेट की तरह, बड़े डेटा के गलत विश्लेषण के गंभीर परिणाम हो सकते हैं। आखिरकार, एक अनुचित विश्लेषण आसानी से गलत निष्कर्ष पर पहुंच सकता है। ये बदले में अप्रभावी या यहां तक ​​कि प्रतिसादात्मक उपाय किए जा सकते हैं.

“गलत” डेटा इकट्ठा करना

बिग डेटा तेजी से लोकप्रिय हो रहा है और सभी प्रकार के डेटा एकत्र करने के लिए संगठन अधिक से अधिक तैयार हैं। इसका मतलब है कि विशाल मात्रा में डेटा का विश्लेषण किए बिना स्पष्ट कारण एकत्र किए जा रहे हैं। दूसरे शब्दों में, यह कच्ची जानकारी का एक विशाल डेटाबेस बनाता है जिसे केवल मामले में इकट्ठा किया गया है। कंपनियों को यह सब डेटा इकट्ठा करने के लिए काफी आसान लगता है, इसलिए वे ऐसा कर सकते हैं। कहने की जरूरत नहीं है, यह किसी की गोपनीयता के लिए अच्छा नहीं है। यह अप्रासंगिक या “गलत” डेटा भी एकत्र और विश्लेषण कर सकता है। यदि इस विश्लेषण से निकाले गए निष्कर्षों का उपयोग प्रबंधन में किया जाता है, तो यह पिछले पैराग्राफ में उल्लिखित समान अप्रभावी उपायों को जन्म दे सकता है।.

बड़े डेटा को बीमार इरादों के साथ इकट्ठा करना और सहेजना

बड़े डेटा का संग्रह कंपनियों, संगठनों और सरकारों द्वारा अधिक से अधिक बार उपयोग किया जाता है ताकि वे लोगों पर सटीक व्यक्तिगत प्रोफाइल बना सकें। उपयोगकर्ताओं या नागरिकों को शायद ही कभी सूचित किया जाता है कि उनका कौन सा व्यक्तिगत डेटा पंजीकृत किया जा रहा है, अकेले जाने क्यों और कैसे। कहने की जरूरत नहीं है, यह उनकी ऑनलाइन गोपनीयता के लिए गंभीर निहितार्थ हैं। वे सब कुछ ऑनलाइन करते हैं, जिन्हें बाद में सहेजा और देखा जा सकता है। इसके अलावा, बड़े डेटा संग्राहक आसानी से एकत्र किए गए डेटा का विश्लेषण और उपयोग करके लोगों के निर्णय को प्रभावित और हेरफेर कर सकते हैं.

बड़ा डेटा और गोपनीयता

कान की तस्वीर वाला स्मार्टफोनजैसा कि आप शायद अब तक समझ गए हैं, बड़ा डेटा बहुत सारे नुकसान और जोखिम के साथ आता है। फिर भी, कई कंपनियां और संगठन अभी भी एक विशाल पैमाने पर डेटा एकत्र करते हैं, ज्यादातर इस वजह से कि यह कैसे उन्हें बढ़ने और आगे बढ़ने में मदद कर सकता है। बड़ा डेटा एकत्र करना पहले से कहीं ज्यादा आसान है। यह हमारी गोपनीयता के लिए बहुत बड़ा परिणाम है। हमने दुर्भावनापूर्ण पार्टियों द्वारा खराब डेटा एकत्र करने के संभावित गोपनीयता खतरों पर पहले ही चर्चा कर ली है। चूँकि हमारी गोपनीयता व्यक्तिगत डेटा के बड़े संग्रह से बहुत करीब से जुड़ी हुई है, हम इस अनुभाग का उपयोग विभिन्न डेटा के साथ आने वाली विभिन्न गोपनीयता चिंताओं पर चर्चा करने के लिए करना चाहते हैं.

बड़े पैमाने पर डेटा संग्रह

Google, Facebook और Twitter सहित बहुत सी कंपनियाँ अपने आप को बनाए रखने और लाभ कमाने के लिए विज्ञापनों पर बहुत अधिक निर्भर हैं। इन विज्ञापनों को यथासंभव प्रभावी बनाने के लिए, ये कंपनियां अपने उपयोगकर्ताओं पर विस्तृत प्रोफ़ाइल बनाती हैं, विशेष रूप से उनकी पसंद और हितों को ध्यान में रखते हुए। यह बड़े डेटा का एक रूप है। इसी तरह, सरकारें और गुप्त सेवाएँ बड़े डेटा पर भी निर्भर हैं। संदिग्ध लोगों को ट्रैक करने और उनकी जांच करने के लिए वे इस विशाल मात्रा में जानकारी का उपयोग करते हैं। बेशक, इसका मतलब यह भी है कि साइबर अपराधियों के लिए बहुत बड़ा डेटा है ताकि वे अपने हाथों को प्राप्त कर सकें और यहां तक ​​कि हेरफेर और दुरुपयोग भी कर सकें। इससे सभी प्रकार की गोपनीयता और पहचान संबंधी समस्याएं पैदा हो सकती हैं। जो मन में आता है, वह पहचान की चोरी है.

फिर भी, डेटाबेस में संग्रह के साथ आने वाली संभावनाएं इससे कहीं अधिक व्यापक हैं। इन दिनों, प्रौद्योगिकी इतनी उन्नत और “स्मार्ट” हो गई है कि यह डेटा सेट को संयोजित कर सकती है। यह इतने चतुर और चालाक तरीके से किया जा सकता है, कि बड़े निगमों और संगठनों को संभवतः आपके बारे में अधिक जानकारी होती है! आप कौन हैं, आप कहां रहते हैं, आपके शौक क्या हैं, आपके दोस्त कौन हैं: इस जानकारी में से कोई भी अब निजी नहीं होगी। बहुत आराम से नहीं सोचा, आप सोच सकते हैं। सौभाग्य से, अपने आप को बड़े पैमाने पर गोपनीयता के उल्लंघन से बचाने के कुछ तरीके बड़े डेटा का कारण बन सकते हैं.

गोपनीयता पर कानून

स्क्रीन पर कुकीज़गोपनीयता कानून और नियम गोपनीयता के उल्लंघन के खिलाफ हमारी रक्षा कर सकते हैं, लेकिन केवल कुछ हद तक। मामलों को अधिक जटिल बनाने के लिए, गोपनीयता कानून अक्सर विभिन्न देशों और क्षेत्रों के बीच बहुत भिन्न होते हैं। उदाहरण के लिए, यूरोप में एक अपेक्षाकृत सख्त उपभोक्ता गोपनीयता कानून जिसे जनरल डेटा प्रोटेक्शन रेगुलेशन (GDPR) कहा जाता है, लागू है। यह कानून सभी यूरोपीय संघ के सदस्य राज्यों पर लागू होता है, हालांकि विवरण प्रति देश भिन्न हो सकता है। कई अंतर्राष्ट्रीय कंपनियों ने अपने सभी व्यवसाय को GDPR पर लागू करने का निर्णय लिया है। यही कारण है कि Google, उदाहरण के लिए, अब उपयोगकर्ताओं को व्यक्तिगत जानकारी को हटाने का अनुरोध करने की अनुमति देता है। हालांकि, संयुक्त राज्य अमेरिका में गोपनीयता कानून राज्य से दूसरे राज्य में भिन्न होते हैं और उपभोक्ताओं के साथ-साथ ईयू की रक्षा नहीं करते हैं। दुर्भाग्य से, यह अमेरिका में सबसे कठिन गोपनीयता कानून, कैलिफोर्निया उपभोक्ता गोपनीयता अधिनियम के लिए भी सही है.

संक्षेप में, एक मजबूत “वैश्विक” गोपनीयता कानून के रूप में ऐसी कोई बात नहीं है जो सभी बड़े डेटा कलेक्टरों पर लागू होती है और सभी उपयोगकर्ताओं की सुरक्षा करती है। इसका मतलब यह है कि हमारी गोपनीयता को अवैध रूप से बड़े डेटा-कलेक्टरों द्वारा नुकसान नहीं पहुंचाया गया है, लेकिन यहां तक ​​कि पूरी तरह से कानूनी तरीकों से, जैसा कि ध्वनि हो सकती है। सौभाग्य से, एडवर्ड स्नोडेन और चेल्सी मैनिंग जैसे व्हिसल ब्लोअर द्वारा उजागर किए गए बड़े पैमाने पर गोपनीयता के उल्लंघन ने बड़े डेटा के जोखिमों के लिए जागरूकता बढ़ा दी है। बेशक, वर्तमान गोपनीयता कानूनों में सुधार के लिए यह केवल एक पहला कदम है.

कई इंटरनेट उपयोगकर्ता गोपनीयता कानूनों में सुधार का इंतजार करने को तैयार नहीं हैं – और ऐसा ही सही। बल्कि, वे अपनी गोपनीयता की रक्षा के लिए जो कुछ भी कर सकते हैं, वह खुद करना चाहते हैं। क्या आप अनगिनत बड़े डेटा-सेट का हिस्सा बनने से बचना चाहते हैं? आपके रास्ते में आपकी मदद करने के लिए कई टिप्स और ट्रिक्स हैं.

अपने डेटा को बड़े डेटा-सेट में सहेजने से कैसे रखें

बड़े डेटासेट गंभीरता से आपकी गोपनीयता और सुरक्षा को प्रभावित करते हैं। इन डेटासेट में सभी प्रकार की (व्यक्तिगत) जानकारी हो सकती है, जिसका दुरुपयोग बड़ी कंपनियों या साइबर अपराधियों द्वारा किया जा सकता है। इसलिए आपको हमेशा एक ऑनलाइन ट्रेस जितना संभव हो उतना कम छोड़ना चाहिए। निम्नलिखित युक्तियां आपको इसे पूरा करने में मदद कर सकती हैं:

  • पासवर्ड बनाते समय या वेब पर सामान्य रूप से अपनी व्यक्तिगत जानकारी के उपयोग को कम करने का प्रयास करें। उदाहरण के लिए: अपना नाम, पता, फ़ोन नंबर, जन्मतिथि, इत्यादि का उपयोग करने से बचें.
  • हमेशा निम्नलिखित को याद रखें: आप जो कुछ भी इंटरनेट पर प्रकाशित करते हैं, वह हमेशा के लिए वहां पर होगा। यह हमेशा पूरी तरह से सच नहीं हो सकता है, लेकिन सावधानी का यह स्तर आपकी गोपनीयता को सुरक्षित रखने में मदद करता है। इस तथ्य से अवगत होने के बाद आप अपने निजी डेटा को अपने आप अधिक ध्यान से संभाल लेंगे.
  • सुनिश्चित करें कि आपका इंटरनेट कनेक्शन सुरक्षित और अज्ञात है, उदाहरण के लिए टोर-ब्राउज़र या वीपीएन का उपयोग करके.
  • अपने ब्राउज़र में एक या कई विज्ञापन-ब्लॉकर्स का उपयोग करें.
  • ट्रैकर और कुकी को ब्लॉक करने वाले ब्राउज़र प्लग-इन या अधिक का उपयोग करें.
  • अपने कैश को नियमित रूप से साफ़ करें और अपने ब्राउज़िंग इतिहास और कुकीज़ को हटा दें.
  • जब आप सक्रिय रूप से उनका उपयोग नहीं कर रहे हैं, तो वेबसाइटों से लॉग आउट करें.

इन कदमों को उठाना एक अच्छी शुरुआत है जब यह आपकी ऑनलाइन गोपनीयता और सुरक्षा की सुरक्षा के लिए आता है। हालांकि, ध्यान रखें कि बड़ा डेटा कई अलग-अलग तरीकों से एकत्र किया जाता है – न केवल ऑनलाइन। संक्षेप में, आप जहां भी हैं और जो कुछ भी आप कर रहे हैं, आपको हमेशा सतर्क रहना चाहिए और अपने डेटा (संग्राहकों) से अपने (व्यक्तिगत) डेटा को बचाने का प्रयास करना चाहिए.

Kim Martin
Kim Martin Administrator
Sorry! The Author has not filled his profile.
follow me